CN111368619A - 可疑人员的检测方法、装置及设备 - Google Patents
可疑人员的检测方法、装置及设备 Download PDFInfo
- Publication number
- CN111368619A CN111368619A CN201910746987.4A CN201910746987A CN111368619A CN 111368619 A CN111368619 A CN 111368619A CN 201910746987 A CN201910746987 A CN 201910746987A CN 111368619 A CN111368619 A CN 111368619A
- Authority
- CN
- China
- Prior art keywords
- person
- detected
- face
- stranger
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 238000010191 image analysis Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例提供的可疑人员的检测方法、装置及设备,从抓拍设备接收待检测人员的人脸图像,对待检测人员的人脸图像进行识别,若确定待检测人员为陌生人员,则根据对应关系表和缓存中存储的历史数据,确定待检测人员在预设时长内是否在至少预设数量的社区被抓拍到,进而确定待检测人员是否为可疑人员。由此可见,本实施例在接收到抓拍设备采集的人脸图像后,能够实时地对可疑人员进行检测。进一步的,对检测到的陌生人的历史人脸信息进行缓存,从而,在当前抓拍人员被识别为陌生人后,直接根据缓存中存储的历史人脸信息即可快速的确定当前抓拍人员是否为可疑人员,提高可疑人员的检测效率,进一步提高可疑人员检测的实时性。
Description
技术领域
本申请实施例涉及安防技术领域,尤其涉及一种可疑人员的检测方法、装置及设备。
背景技术
在社区场景中,经常出现一些可疑人员,例如:推销人员、张贴广告人员、传播邪教传单人员等。这些可疑人员在社区出入,对社区安全以及社会稳定带来安全隐患。
现有技术中,存在一些对可疑人员进行检测的方案。一种相关技术中,在需要进行可疑人员检测时,根据待检测时间段的需求,从存储有抓拍人脸图像的数据库中拉取待检测时间段内的人脸图像,通过对拉取的人脸图像的表情特征、动作特征等进行识别,确定是否为可疑人员。
然而,上述相关技术中,无法实时地对可疑人员进行检测。
发明内容
本申请实施例提供一种可疑人员的检测方法、装置及设备,用以提高可疑人员检测的实时性。
第一方面,本申请实施例提供一种可疑人员的检测方法,包括:
从抓拍设备接收待检测人员的人脸图像,所述人脸图像中携带所述抓拍设备的标识;
对所述待检测人员的人脸图像进行识别,若确定所述待检测人员为陌生人员,则根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到;其中,所述对应关系表存储有不同的抓拍设备的标识与该抓拍设备所处社区的标识之间的对应关系,所述缓存中存储的历史数据用于指示所述预设时长内抓拍到的陌生人员的历史人脸信息,以及各所述历史人脸信息对应的抓拍设备的标识;
若所述待检测人员在所述预设时长内在至少预设数量的社区被抓拍到,则确定所述待检测人员为可疑人员。
可选的,所述对所述待检测人员的人脸图像进行识别,包括:
对所述待检测人员的人脸图像进行建模,得到所述待检测人员的人脸模型;
将所述待检测人员的人脸模型与已知人员数据库进行匹配,所述已知人员数据库用于存储已知人员的标识以及各已知人员的人脸模型;
若待检测人员的人脸模型与所述已知人员数据库中的人脸模型均不匹配,则确定所述待检测人员为陌生人;
若待检测人员的人脸模型与所述已知人员数据库中的其中一个人脸模型匹配,则将匹配的已知人员的标识作为所述待检测人员的标识。
可选的,所述确定所述待检测人员为陌生人之后,还包括:
根据所述待检测人员的人脸模型以及陌生人员数据库,确定所述待检测人员的标识,所述陌生人员数据库用于存储陌生人员的人脸模型以及陌生人员的标识;
所述缓存中存储的历史数据还用于指示各所述历史人脸信息对应的陌生人员的标识,所述根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到,包括:
根据所述待检测人员的人脸图像,生成待缓存的人脸信息,并将所述人脸信息、所述抓拍设备的标识、以及所述待检测人员的标识存储至所述缓存中;
根据所述缓存中的数据,获取与所述待检测人员的标识匹配的陌生人员的标识对应的历史人脸信息,根据所述历史人脸信息对应的抓拍设备的标识所对应的社区,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到。
可选的,所述根据所述待检测人员的人脸模型以及陌生人员数据库,确定所述待检测人员的标识,包括:
若所述待检测人员的人脸模型与所述陌生人员数据库中的人脸模型均不匹配,则生成新的标识,将所述新的标识作为所述待检测人员的标识;
若所述待检测人员的人脸模型与所述陌生人员数据库中的其中一个人脸模型匹配,则将匹配的历史陌生人员的标识作为所述待检测人员的标识;
将所述待检测人员的人脸模型以及所述待检测人员的标识添加至所述陌生人员数据库中。
可选的,所述将所述待检测人员的人脸模型与已知人员数据库进行匹配之前,还包括:
将所述待检测人员的人脸模型与可疑人员数据库进行匹配,所述可疑人员数据库用于存储可疑人员的人脸模型;
若所述待检测人员的人脸模型与所述可疑人员数据库中的其中一个人脸模型匹配,则确定所述待检测人员为可疑人员。
可选的,所述确定所述待检测人员为可疑人员之后,还包括:
生成用于指示检测到可疑人员的报警信息,并通过报警装置对所述报警信息进行报警;
将所述待检测人员的人脸模型存储至可疑人员数据库中。
可选的,所述将所述待检测人员的人脸图像、所述抓拍设备的标识、以及所述待检测人员的标识存储至所述缓存中之后,还包括:
若所述待检测人员的人脸信息在所述缓存中的存储时间大于或等于所述预设时长,则将所述待检测人员的人脸信息、所述抓拍设备的标识、以及所述待检测人员的标识从所述缓存中删除。
第二方面,本申请实施例提供一种可疑人员的检测装置,包括:
接收模块,用于从抓拍设备接收待检测人员的人脸图像,所述人脸图像中携带所述抓拍设备的标识;
图像分析模块,用于对所述待检测人员的人脸图像进行识别;
缓存处理模块,用于若所述图像分析模块确定所述待检测人员为陌生人员,则根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到;其中,所述对应关系表存储有不同的抓拍设备的标识与该抓拍设备所处社区的标识之间的对应关系,所述缓存中存储的历史数据用于指示所述预设时长内抓拍到的陌生人员的历史人脸信息,以及各所述历史人脸信息对应的抓拍设备的标识;
所述缓存处理模块,还用于若所述待检测人员在所述预设时长内在至少预设数量的社区被抓拍到,则确定所述待检测人员为可疑人员。
可选的,所述图像分析模块具体用于:
对所述待检测人员的人脸图像进行建模,得到所述待检测人员的人脸模型;
将所述待检测人员的人脸模型与已知人员数据库进行匹配,所述已知人员数据库用于存储已知人员的标识以及各已知人员的人脸模型;
若待检测人员的人脸模型与所述已知人员数据库中的人脸模型均不匹配,则确定所述待检测人员为陌生人;
若待检测人员的人脸模型与所述已知人员数据库中的其中一个人脸模型匹配,则将匹配的已知人员的标识作为所述待检测人员的标识。
可选的,所述图像分析模块还具体用于:在确定所述待检测人员为陌生人之后,根据所述待检测人员的人脸模型以及陌生人员数据库,确定所述待检测人员的标识,所述陌生人员数据库用于存储陌生人员的人脸模型以及陌生人员的标识;
所述缓存中存储的历史数据还用于指示各所述历史人脸信息对应的陌生人员的标识;所述缓存处理模块具体用于:
根据所述待检测人员的人脸图像,生成待缓存的人脸信息,并将所述人脸信息、所述抓拍设备的标识、以及所述待检测人员的标识存储至所述缓存中;
根据所述缓存中的数据,获取与所述待检测人员的标识匹配的陌生人员的标识对应的历史人脸信息,根据所述历史人脸信息对应的抓拍设备的标识所对应的社区,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到。
可选的,所述图像分析模块还用于:
若所述待检测人员的人脸模型与所述陌生人员数据库中的人脸模型均不匹配,则生成新的标识,将所述新的标识作为所述待检测人员的标识;
若所述待检测人员的人脸模型与所述陌生人员数据库中的其中一个人脸模型匹配,则将匹配的历史陌生人员的标识作为所述待检测人员的标识;
将所述待检测人员的人脸模型以及所述待检测人员的标识添加至所述陌生人员数据库中。
可选的,所述图像分析模块还用于:
将所述待检测人员的人脸模型与可疑人员数据库进行匹配,所述可疑人员数据库用于存储可疑人员的人脸模型;
若所述待检测人员的人脸模型与所述可疑人员数据库中的其中一个人脸模型匹配,则确定所述待检测人员为可疑人员。
可选的,所述装置还包括:报警模块,用于:
在确定所述待检测人员为可疑人员之后,生成用于指示检测到可疑人员的报警信息,并通过报警装置对所述报警信息进行报警;
将所述待检测人员的人脸模型存储至可疑人员数据库中。
可选的,所述缓存处理模块还用于:
若所述待检测人员的人脸信息在所述缓存中的存储时间大于或等于所述预设时长,则将所述待检测人员的人脸信息、所述抓拍设备的标识、以及所述待检测人员的标识从所述缓存中删除。
第三方面,本申请实施例提供一种可疑人员的检测设备,包括:存储器、处理器以及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行如第一方面任一项所述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质包括计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
本申请实施例提供的可疑人员的检测方法、装置及设备,从抓拍设备接收待检测人员的人脸图像,对所述待检测人员的人脸图像进行识别,若确定所述待检测人员为陌生人员,则根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到,进而确定所述待检测人员是否为可疑人员。由此可见,本实施例在接收到抓拍设备采集的人脸图像后,能够实时地对可疑人员进行检测。进一步的,本实施例对检测到的陌生人的历史人脸信息进行缓存,从而,在当前抓拍人员被识别为陌生人后,直接根据缓存中存储的历史人脸信息即可快速的确定当前抓拍人员是否为可疑人员,无需基于数据库中的所有人脸图像进行检索和统计,提高可疑人员的检测效率,进一步提高可疑人员检测的实时性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1A为本申请实施例适用的一种应用场景示意图;
图1B为本申请实施例适用的另一种应用场景示意图;
图2为本申请一实施例提供的可疑人员的检测方法的流程示意图;
图3为本申请另一实施例提供的可疑人员的检测方法的流程示意图;
图4为本申请一实施例提供的可疑人员检测装置的结构示意图;
图5为本申请另一实施例提供的可疑人员检测装置的结构示意图;
图6为本申请实施例提供的可疑人员检测设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先结合图1A和图1B对本申请实施例的应用场景进行描述。
图1A为本申请实施例适用的一种应用场景示意图。如图1A所示,该场景包括:抓拍设备和可疑人员检测设备。其中,抓拍设备为具有抓拍功能的电子设备。在社区场景中,抓拍设备可以设置在社区主入口、岔路口、楼门口等需要监控的位置。抓拍设备用于对监控区域内的人员进行抓拍,得到人脸图像。每个社区中可以设置多个抓拍设备。所有社区的抓拍设备均与可疑人员检测设备连接。抓拍设备将抓拍到的人脸图像实时发送给可疑人员检测设备,由可疑人员检测设备实时确定抓拍到的人员是否为可疑人员。
其中,本实施例中的可疑人员包括但不限于:推销人员、张贴广告人员、传播邪教传单人员等。上述可疑人员不属于社区内的常驻人员,例如:社区居民以及频繁出入该社区的送餐、快递等人员。也就是说,对于该社区而言,上述可疑人员通常为陌生人。并且,上述可疑人员通常会在某个时间段内出现在多个社区中。
基于上述可疑人员的特点,本申请实施例提供一种可疑人员的检测方法,该方法可以由图1A中的可疑人员检测设备执行。具体的,可疑人员检测设备具有图像分析模块和缓存处理模块。其中,图像分析模块用于对抓拍设备采集到的人脸图像进行分析,确定当前抓拍到的人员是否为陌生人。缓存处理模块用于对抓拍到的陌生人的人脸信息进行缓存,并根据缓存的人脸信息,确定当前抓拍到人员是否在多个社区均被抓拍过,从而识别出当前抓拍到的人员是否为可疑人员。
一种可能的场景中,图像分析模块和缓存处理模块还可以分别由不同的服务器实现。图1B为本申请实施例适用的另一种应用场景示意图。如图1B所示,可疑人员检测系统包括:图像分析服务器和缓存处理服务器。图像分析服务器用于实现上述的图像分析模块的功能,缓存处理服务器用于实现上述的缓存处理模块的功能。
需要说明的是,为了描述方便,本申请实施例对可疑人员的检测方法进行描述时,仅以图1A所示的应用场景为例进行描述。当本实施例的方法应用于图1B所示的应用场景时,其原理和效果类似,因此不再赘述。
一种相关技术中,在需要进行可疑人员检测时,根据待检测时间段的需求,从存储有抓拍人脸图像的数据库中拉取待检测时间段内的人脸图像,通过对拉取的人脸图像的表情特征、动作特征等进行识别,确定是否为可疑人员。然而,上述技术采用的是离线检测的方式,无法实时地对可疑人员进行检测。
本申请实施例中,抓拍设备与可疑人员检测设备连接,抓拍设备采集到人脸图像后,将人脸图像发送给可疑人员检测设备,从而,可疑人员检测设备能够实时地对可疑人员进行检测。另外,本实施例的可疑人员检测设备中还设置有缓存处理模块,用于对检测到的陌生人的历史人脸信息进行缓存,从而,在当前抓拍人员被识别为陌生人后,直接根据缓存中存储的历史人脸信息即可快速的确定当前抓拍人员是否为可疑人员,无需基于数据库中的所有人脸图像进行检索和统计,提高可疑人员的检测效率,进一步提高可疑人员检测的实时性。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本申请一实施例提供的可疑人员的检测方法的流程示意图。本实施例的执行主体以图1A中的可疑人员检测设备为例进行描述,后续为了描述方便,简称为检测设备。
如图2所示,本实施例的方法,包括:
S201:从抓拍设备接收待检测人员的人脸图像,所述人脸图像中携带所述抓拍设备的标识。
具体的,每个社区在不同位置安装多个抓拍设备。每个抓拍设备的标识与其所在社区的标识具有对应关系。每个抓拍设备实时采集人脸图像,并将采集到的人脸图像实时发送给检测设备。
本实施例以检测设备对其中一个人脸图像的处理过程为例进行描述。为了描述方便,将检测设备当前接收到的人脸图像称为待检测人员的人脸图像,将之前接收到的人脸图像称为历史人脸图像。
S202:对所述待检测人员的人脸图像进行识别,若确定所述待检测人员为陌生人员,则根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到。
S203:若所述待检测人员在所述预设时长内在至少预设数量的社区被抓拍到,则确定所述待检测人员为可疑人员。
其中,所述对应关系表存储有不同的抓拍设备的标识与该抓拍设备所处社区的标识之间的对应关系,所述缓存中存储的历史数据用于指示所述预设时长内抓拍到的陌生人员的历史人脸信息,以及各所述历史人脸信息对应的抓拍设备的标识。
本实施例中,缓存中存储的历史人脸信息可以为之前抓拍到的历史人脸图像本身,也可以是历史人脸图像的标识,还可以是历史人脸图像对应的人脸模型,还可以是人脸图像的存储路径等,当然,还可以是上述信息的组合,本实施例对此不作具体限定。为了描述方便,后续实施例中以缓存中存储历史人脸图像为例进行举例说明。
具体的,检测设备从抓拍设备接收到待检测人员的人脸图像后,对该待检测人员的人脸图像进行识别,以确定该待检测人员是否为陌生人。本实施例中的陌生人是指:除社区的常驻人员和经常为社区提供服务(例如:送餐、快递等)的人员之外的其他人。
一种可能的实施方式中,预先对每个社区的常驻人员和经常为该社区提供服务的人员进行人脸模型采集以及人员标识采集,并将采集信息录入已知人员数据库中。在对待检测人员的人脸图像进行识别时,将该待检测人员的人脸图像与已知人员数据库进行比对。若待检测人员的人脸图像与已知人员数据库中的人脸模型均不匹配,则确定该待检测人员为陌生人;若待检测人员的人脸图像与已知人员数据库中的其中一个人脸模型匹配,则确定该待检测人员为已知人员。
在确定待检测人员为陌生人员的情况下,存在如下两种可能。第一种可能是该待检测人员并不是真正的可疑人员,例如:待检测人员为新搬进社区的人员,该情况下,待检测人员通常不会在短时间内出入多个社区。第二种可能为该待检测人员确实为可疑人员,例如:发传单人员、推销人员、邪教宣传人员等,该情况下,待检测人员通常会在短时间内出入多个社区。因此,在确定待检测人员为陌生人员的情况下,还需要进一步根据该待检测人员出入的社区数量来确定是否为可疑人员。
本实施例中,设置一个缓存,用于存储陌生人员的历史人脸信息,以及各历史人脸信息对应的抓拍设备的标识。示例性的,每次检测到陌生人员之后,将该陌生人员的人脸信息以及抓拍设备的标识存储到缓存中。并且,设置一个预设时长,每个人脸信息在缓存中存储的时间超过该预设时长之后,将该人脸信息删除。也就是说,保证缓存中存储的历史人脸信息都是在最近预设时长内抓拍到的。
需要说明的是,本实施例对于预设时长的取值不作具体限定。可以根据实际应用场景进行合理设置。例如:有些场景中可以设置为3小时,有些场景中可以设置为1天等。
示例性,以存储历史人脸图像为例,缓存中存储的历史数据如表1所示。对应关系表的数据如表2所示。
表1
历史人脸图像1 | 抓拍设备1 |
历史人脸图像2 | 抓拍设备4 |
历史人脸图像3 | 抓拍设备7 |
… | … |
历史人脸图像n | 抓拍设备m |
表2
抓拍设备1 | 社区1 |
抓拍设备2 | 社区1 |
抓拍设备3 | 社区1 |
抓拍设备4 | 社区2 |
… | |
抓拍设备m | 社区k |
本实施例中,缓存中存储的是在最近预设时长内检测到的陌生人的人脸图像。当通过对待检测人员的人脸图像进行识别,确定出待检测人员为陌生人时,将该待检测人员的人脸图像添加至缓存中。进一步的,通过人脸匹配算法,从缓存中获取出待检测人员对应的所有人脸图像,并通过查询表1和表2,确定出待检测人员在预设时长内出入社区的数量。
若待检测人员在预设时长内出入社区的数量大于或者等于预设数量,则确定该待检测人员为可疑人员。若待检测人员在预设时长内出入社区的数量小于预设数量,则确定该待检测人员为非可疑人员。
本实施例中,采用缓存技术,缓存中存储的是在预设时长内检测到的所有陌生人员的历史人脸信息,保证了可疑人员判定的准确性。进一步的,每次进行可疑人员判定时,仅对缓存中存储的陌生人的历史人脸信息进行计算,并且,为缓存中的历史人脸信息设置过期时间,一方面,使得可疑人员判定的计算量大大减小,进一步保证了可疑人员检测的实时性;另一方面,可疑人员判定的计算过程占用系统资源较少,不会对检测性能造成影响。
一种可能的实施方式中,在确定待检测人员为可疑人员后,将待检测人员的人脸图像存储到可疑人员数据库中。后续检测过程中,可以将待检测人员的人脸图像与可疑人员数据库进行匹配,确定待检测人员是否为可疑人员,提高可疑人员的检测效率。
一种可能的实施方式中,在确定待检测人员为可疑人员后,生成报警信息,并通过报警装置进行实时报警。通过准确实时地报警,能够第一时间对可疑人员进行及时处置,并保留现场物证、视频等证据,对处置提供完善的证据支撑。
本实施例中,通过对多个社区的抓拍设备进行联网,能够及时发现频繁出入多个社区的可疑人员,并能够及时进行报警,同时保证了多个社区的安全。
本实施例提供的可疑人员的检测方法,从抓拍设备接收待检测人员的人脸图像,对所述待检测人员的人脸图像进行识别,若确定所述待检测人员为陌生人员,则根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到,进而确定所述待检测人员是否为可疑人员。由此可见,本实施例在接收到抓拍设备采集的人脸图像后,能够实时地对可疑人员进行检测。进一步的,本实施例对检测到的陌生人的历史人脸信息进行缓存,从而,在当前抓拍人员被识别为陌生人后,直接根据缓存中存储的历史人脸信息即可快速的确定当前抓拍人员是否为可疑人员,无需基于数据库中的所有人脸图像进行检索和统计,提高可疑人员的检测效率,进一步提高可疑人员检测的实时性。
图3为本申请另一实施例提供的可疑人员的检测方法的流程示意图。本实施例在图2所示实施例的基础上进行进一步细化。如图3所示,本实施例的方法,包括:
S301:从抓拍设备接收待检测人员的人脸图像,所述人脸图像中携带所述抓拍设备的标识。
S302:对所述待检测人员的人脸图像进行建模,得到所述待检测人员的人脸模型。
本实施例中对人脸图像进行建模的过程,可以采用现有的人脸建模算法,本实施例对此不作具体限定。
S303:若所述待检测人员的人脸模型与所述可疑人员数据库中的其中一个人脸模型匹配,则确定所述待检测人员为可疑人员。
S304:若所述待检测人员的人脸模型与所述可疑人员数据库中的人脸模型均不匹配,则将所述待检测人员的人脸模型与已知人员数据库进行匹配。
本实施例中,检测设备中可以设置三个数据库,分别为:可疑人员数据库、已知人员数据库和陌生人员数据库。其中,可疑人员数据库中用于存储之前曾经检测识别到的可疑人员的人脸模型。已知人员数据库用于存储已知人员的标识以及各已知人员的人脸模型。陌生人员数据库用于存储陌生人员的人脸模型以及陌生人员的标识。
在得到待检测人员的人脸模型后,首先将待检测人员的人脸模型与可疑人员数据库中的人脸模型进行匹配。若待检测人员的人脸模型与可疑人员数据库中的任一人脸模型匹配,则确定该待检测人员为可疑人员。进而,可以执行S313,即通过报警装置进行报警。
若待检测人员的人脸模型与可疑人员数据库中的所有人脸模型均不匹配,则继续将待检测人员的人脸模型与已知人员数据库进行匹配。
S305:若待检测人员的人脸模型与所述已知人员数据库中的其中一个人脸模型匹配,则将匹配的已知人员的标识作为所述待检测人员的标识。
S306:若待检测人员的人脸模型与所述已知人员数据库中的人脸模型均不匹配,则确定所述待检测人员为陌生人。
本实施例与图2所示实施例的一个不同之处在于,在确定待检测人员为陌生人之后,还需要进一步确定待检测人员的标识。示例性的,第一次检测到陌生人后,将该陌生人的人脸模型存入陌生人数据库中,并为该陌生人生成一个标识。当后续再次检测到陌生人后,先将当前陌生人的人脸模型与陌生人员数据库中的人脸模型进行匹配,确定当前陌生人是否为之前曾检测到的陌生人,若匹配成功,则将匹配成功的陌生人的标识作为当前陌生人的标识。若匹配失败,则说明当前陌生人为新的陌生人,则为当前陌生人分配新的标识,并将当前陌生人的人脸模型以及新的标识存入陌生人员数据库中。
S307:若所述待检测人员的人脸模型与所述陌生人员数据库中的人脸模型均不匹配,则生成新的标识,将所述新的标识作为所述待检测人员的标识。
S308:若所述待检测人员的人脸模型与所述陌生人员数据库中的其中一个人脸模型匹配,则将匹配的历史陌生人员的标识作为所述待检测人员的标识。
S309:根据所述待检测人员的人脸图像,生成待缓存的人脸信息,并将所述人脸信息、所述抓拍设备的标识、以及所述待检测人员的标识存储至所述缓存中。
本实施例中,缓存中存储的历史数据中还包括各历史人脸信息对应的陌生人员的标识,此处历史人脸信息以历史人脸图像为例,如表3所示。
表3
历史人脸图像1 | 抓拍设备1 | 陌生人员1 |
历史人脸图像2 | 抓拍设备4 | 陌生人员1 |
历史人脸图像3 | 抓拍设备7 | 陌生人员2 |
… | … | … |
历史人脸图像n | 抓拍设备m | 陌生人员t |
一种可能的实施方式中,在将陌生人的人脸图像存入缓存时,还可以在缓存中记录存储时间,以便当该人脸图像在缓存中的存储时间达到预设时长时,将该人脸图像从缓存中删除,保证缓存中仅存储预设时长内采集到的人脸图像。
S310:根据所述缓存中的数据,获取与所述待检测人员的标识匹配的陌生人员的标识对应的历史人脸信息,根据所述历史人脸信息对应的抓拍设备的标识所对应的社区,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到。
S311:若所述待检测人员在所述预设时长内在至少预设数量的社区被抓拍到,则确定所述待检测人员为可疑人员。
示例性的,经过S307和S308确定出待检测人员的标识之后,可以根据待检测人员的人脸图像生成待缓存的人脸信息,并将所述人脸信息、抓拍设备的标识以及待检测人员的标识存储至缓存中。假设待检测人员的标识为1,根据缓存中的数据,找出人员标识为1的所有历史人脸信息,并根据每个历史人脸信息对应的抓拍设备的标识,确定出每个历史人脸图像是在哪个社区被抓拍到的。进而确定出待检测人员在预设时长内出入的社区的数量。若待检测人员在预设时长内出入的社区的数量大于或者等于预设数量,则确定该待检测人员为可疑人员。
与图2所示实施例相比,由于缓存中还存储了历史人脸信息对应的陌生人员的标识,在根据缓存中存储的历史数据进行可疑人员判定时,只需要根据待检测人员的标识查询表3和表2,即可确定出待检测人员出入社区的数量,无需再进行人脸匹配过程,能够进一步提高可疑人员的检测效率,提高可疑人员检测的实时性。
S312:将所述待检测人员的人脸模型存储至可疑人员数据库中。
本实施例中,将检测到的可疑人员的人脸模型存储到可疑人员数据库中,作为黑名单数据。后续检测过程中,可以将待检测人员的人脸图像与可疑人员数据库进行匹配,确定待检测人员是否为可疑人员,提高可疑人员的检测效率。
S313:生成用于指示检测到可疑人员的报警信息,并通过报警装置对所述报警信息进行报警。
本实施例中,通过准确实时地报警,能够第一时间对可疑人员进行及时处置,并保留现场物证、视频等证据,对处置提供完善的证据支撑。另外,通过对多个社区的抓拍设备进行联网,能够及时发现频繁出入多个社区的可疑人员,并能够及时进行报警,同时保证了多个社区的安全。
图4为本申请一实施例提供的可疑人员检测装置的结构示意图。如图4所示,本实施例提供的可疑人员检测装置400,包括:接收模块401、图像分析模块402和缓存处理模块403。
其中,接收模块401,用于从抓拍设备接收待检测人员的人脸图像,所述人脸图像中携带所述抓拍设备的标识;
图像分析模块402,用于对所述待检测人员的人脸图像进行识别;
缓存处理模块403,用于若所述图像分析模块402确定所述待检测人员为陌生人员,则根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到;其中,所述对应关系表存储有不同的抓拍设备的标识与该抓拍设备所处社区的标识之间的对应关系,所述缓存中存储的历史数据用于指示所述预设时长内抓拍到的陌生人员的历史人脸信息,以及各所述历史人脸信息对应的抓拍设备的标识;
所述缓存处理模块403,还用于若所述待检测人员在所述预设时长内在至少预设数量的社区被抓拍到,则确定所述待检测人员为可疑人员。
本实施例的可疑人员检测装置,可用于实现如图2所示的方法实施例,其实现原理和技术效果类似,此处不再赘述。
图5为本申请另一实施例提供的可疑人员检测装置的结构示意图。在图4所示实施例的基础上,本实施例的可疑人员检测装置400,还可以包括:报警模块404。
可选的,所述图像分析模块402具体用于:
对所述待检测人员的人脸图像进行建模,得到所述待检测人员的人脸模型;
将所述待检测人员的人脸模型与已知人员数据库进行匹配,所述已知人员数据库用于存储已知人员的标识以及各已知人员的人脸模型;
若待检测人员的人脸模型与所述已知人员数据库中的人脸模型均不匹配,则确定所述待检测人员为陌生人;
若待检测人员的人脸模型与所述已知人员数据库中的其中一个人脸模型匹配,则将匹配的已知人员的标识作为所述待检测人员的标识。
可选的,所述图像分析模块402还具体用于:在确定所述待检测人员为陌生人之后,根据所述待检测人员的人脸模型以及陌生人员数据库,确定所述待检测人员的标识,所述陌生人员数据库用于存储陌生人员的人脸模型以及陌生人员的标识;
所述缓存中存储的历史数据还用于指示各所述历史人脸信息对应的陌生人员的标识;所述缓存处理模块403具体用于:
根据所述待检测人员的人脸图像生成待缓存的人脸信息,并将所述人脸信息、所述抓拍设备的标识、以及所述待检测人员的标识存储至所述缓存中;
根据所述缓存中的数据,获取与所述待检测人员的标识匹配的陌生人员的标识对应的历史人脸信息,根据所述历史人脸信息对应的抓拍设备的标识所对应的社区,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到。
可选的,所述图像分析模块402还用于:
若所述待检测人员的人脸模型与所述陌生人员数据库中的人脸模型均不匹配,则生成新的标识,将所述新的标识作为所述待检测人员的标识;
若所述待检测人员的人脸模型与所述陌生人员数据库中的其中一个人脸模型匹配,则将匹配的历史陌生人员的标识作为所述待检测人员的标识;
将所述待检测人员的人脸模型以及所述待检测人员的标识添加至所述陌生人员数据库中。
可选的,所述图像分析模块402还用于:
将所述待检测人员的人脸模型与可疑人员数据库进行匹配,所述可疑人员数据库用于存储可疑人员的人脸模型;
若所述待检测人员的人脸模型与所述可疑人员数据库中的其中一个人脸模型匹配,则确定所述待检测人员为可疑人员。
可选的,所述报警模块404用于:
在确定所述待检测人员为可疑人员之后,生成用于指示检测到可疑人员的报警信息,并通过报警装置对所述报警信息进行报警;
将所述待检测人员的人脸模型存储至可疑人员数据库中。
可选的,所述缓存处理模块403还用于:
若所述待检测人员的人脸信息在所述缓存中的存储时间大于或等于所述预设时长,则将所述待检测人员的人脸信息、所述抓拍设备的标识、以及所述待检测人员的标识从所述缓存中删除。
本实施例的装置,可用于执行上述任一方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
需要说明的是,图4和图5所示实施例中,图像分析模块402和缓存处理模块403对应的功能可以由同一个设备中的不同模块实现,还可以分别由不同的设备来实现。示例性的,图像分析模块402的功能由图1B中的图像分析服务器实现,缓存处理模块403的功能由图1B中的缓存处理服务器实现。其实现原理和技术效果类似,此处不再赘述。
图6为本申请实施例提供的可疑人员检测设备的结构示意图。如图6所示,本实施例提供的可疑人员检测设备600,包括:处理器601以及存储器602;其中,存储器602,用于存储计算机程序;处理器601,用于执行存储器存储的计算机程序,以实现上述实施例中的可疑人员的检测方法。具体可以参见前述方法实施例中的相关描述。
可选的,可疑人员检测设备600还可以包括通信部件603,用于与抓拍设备进行通信。
可选地,存储器602既可以是独立的,也可以跟处理器601集成在一起。
当所述存储器602是独立于处理器601之外的器件时,所述可疑人员检测设备600还可以包括:总线604,用于连接所述存储器602和处理器601。
本实施例提供的可疑人员检测设备,可用于执行上述任一方法实施例中的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质包括计算机程序,所述计算机程序用于实现如上任一方法实施例中的技术方案。
本申请实施例还提供一种芯片,包括:存储器、处理器以及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行上述任一方法实施例中的技术方案。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种可疑人员的检测方法,其特征在于,包括:
从抓拍设备接收待检测人员的人脸图像,所述人脸图像中携带所述抓拍设备的标识;
对所述待检测人员的人脸图像进行识别,若确定所述待检测人员为陌生人员,则根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到;其中,所述对应关系表存储有不同的抓拍设备的标识与该抓拍设备所处社区的标识之间的对应关系,所述缓存中存储的历史数据用于指示所述预设时长内抓拍到的陌生人员的历史人脸信息,以及各所述历史人脸信息对应的抓拍设备的标识;
若所述待检测人员在所述预设时长内在至少预设数量的社区被抓拍到,则确定所述待检测人员为可疑人员。
2.根据权利要求1所述的方法,其特征在于,所述对所述待检测人员的人脸图像进行识别,包括:
对所述待检测人员的人脸图像进行建模,得到所述待检测人员的人脸模型;
将所述待检测人员的人脸模型与已知人员数据库进行匹配,所述已知人员数据库用于存储已知人员的标识以及各已知人员的人脸模型;
若待检测人员的人脸模型与所述已知人员数据库中的人脸模型均不匹配,则确定所述待检测人员为陌生人;
若待检测人员的人脸模型与所述已知人员数据库中的其中一个人脸模型匹配,则将匹配的已知人员的标识作为所述待检测人员的标识。
3.根据权利要求2所述的方法,其特征在于,所述确定所述待检测人员为陌生人之后,还包括:
根据所述待检测人员的人脸模型以及陌生人员数据库,确定所述待检测人员的标识,所述陌生人员数据库用于存储陌生人员的人脸模型以及陌生人员的标识;
所述缓存中存储的历史数据还用于指示各所述历史人脸信息对应的陌生人员的标识,所述根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到,包括:
根据所述待检测人员的人脸图像,生成待缓存的人脸信息,并将所述人脸信息、所述抓拍设备的标识、以及所述待检测人员的标识存储至所述缓存中;
根据所述缓存中的数据,获取与所述待检测人员的标识匹配的陌生人员的标识对应的历史人脸信息,根据所述历史人脸信息对应的抓拍设备的标识所对应的社区,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到。
4.根据权利要求3所述的方法,其特征在于,所述根据所述待检测人员的人脸模型以及陌生人员数据库,确定所述待检测人员的标识,包括:
若所述待检测人员的人脸模型与所述陌生人员数据库中的人脸模型均不匹配,则生成新的标识,将所述新的标识作为所述待检测人员的标识;
若所述待检测人员的人脸模型与所述陌生人员数据库中的其中一个人脸模型匹配,则将匹配的历史陌生人员的标识作为所述待检测人员的标识;
将所述待检测人员的人脸模型以及所述待检测人员的标识添加至所述陌生人员数据库中。
5.根据权利要求2至4任一项所述的方法,其特征在于,所述将所述待检测人员的人脸模型与已知人员数据库进行匹配之前,还包括:
将所述待检测人员的人脸模型与可疑人员数据库进行匹配,所述可疑人员数据库用于存储可疑人员的人脸模型;
若所述待检测人员的人脸模型与所述可疑人员数据库中的其中一个人脸模型匹配,则确定所述待检测人员为可疑人员。
6.一种可疑人员的检测装置,其特征在于,包括:
接收模块,用于从抓拍设备接收待检测人员的人脸图像,所述人脸图像中携带所述抓拍设备的标识;
图像分析模块,用于对所述待检测人员的人脸图像进行识别;
缓存处理模块,用于若所述图像分析模块确定所述待检测人员为陌生人员,则根据对应关系表和缓存中存储的历史数据,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到;其中,所述对应关系表存储有不同的抓拍设备的标识与该抓拍设备所处社区的标识之间的对应关系,所述缓存中存储的历史数据用于指示所述预设时长内抓拍到的陌生人员的历史人脸信息,以及各所述历史人脸信息对应的抓拍设备的标识;
所述缓存处理模块,还用于若所述待检测人员在所述预设时长内在至少预设数量的社区被抓拍到,则确定所述待检测人员为可疑人员。
7.根据权利要求6所述的装置,其特征在于,所述图像分析模块具体用于:
对所述待检测人员的人脸图像进行建模,得到所述待检测人员的人脸模型;
将所述待检测人员的人脸模型与已知人员数据库进行匹配,所述已知人员数据库用于存储已知人员的标识以及各已知人员的人脸模型;
若待检测人员的人脸模型与所述已知人员数据库中的人脸模型均不匹配,则确定所述待检测人员为陌生人;
若待检测人员的人脸模型与所述已知人员数据库中的其中一个人脸模型匹配,则将匹配的已知人员的标识作为所述待检测人员的标识。
8.根据权利要求7所述的装置,其特征在于,所述图像分析模块还具体用于:
根据所述待检测人员的人脸模型以及陌生人员数据库,确定所述待检测人员的标识,所述陌生人员数据库用于存储陌生人员的人脸模型以及陌生人员的标识;
所述缓存中存储的历史数据还用于指示各所述历史人脸信息对应的陌生人员的标识,所述缓存处理模块具体用于:
根据所述待检测人员的人脸图像,生成待缓存的人脸信息,并将所述人脸信息、所述抓拍设备的标识、以及所述待检测人员的标识存储至所述缓存中;
根据所述缓存中的数据,获取与所述待检测人员的标识匹配的陌生人员的标识对应的历史人脸信息,根据所述历史人脸信息对应的抓拍设备的标识所对应的社区,确定所述待检测人员在预设时长内是否在至少预设数量的社区被抓拍到。
9.一种可疑人员的检测设备,其特征在于,包括:存储器、处理器以及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行如权利要求1至5任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746987.4A CN111368619B (zh) | 2019-08-14 | 2019-08-14 | 可疑人员的检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746987.4A CN111368619B (zh) | 2019-08-14 | 2019-08-14 | 可疑人员的检测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111368619A true CN111368619A (zh) | 2020-07-03 |
CN111368619B CN111368619B (zh) | 2024-03-08 |
Family
ID=71207944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910746987.4A Active CN111368619B (zh) | 2019-08-14 | 2019-08-14 | 可疑人员的检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111368619B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988832A (zh) * | 2021-01-20 | 2021-06-18 | 青岛以萨数据技术有限公司 | 住宿人员行为检测方法、装置及存储介质 |
CN113269022A (zh) * | 2021-03-24 | 2021-08-17 | 七台河市公安局 | 一种用于预测隐性特定人员的系统及方法 |
CN113283305A (zh) * | 2021-04-29 | 2021-08-20 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、电子设备及计算机可读存储介质 |
CN113378622A (zh) * | 2021-04-06 | 2021-09-10 | 青岛以萨数据技术有限公司 | 一种特定人员识别方法、设备、系统及介质 |
CN114699005A (zh) * | 2022-03-08 | 2022-07-05 | 向道全 | 一种具备防盗功能的智能纸巾机 |
WO2022165685A1 (zh) * | 2021-02-03 | 2022-08-11 | 京东方科技集团股份有限公司 | 一种确定人员危险性的方法、装置、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004005511A (ja) * | 2002-03-26 | 2004-01-08 | Toshiba Corp | 監視システム、監視方法および監視プログラム |
CN107480626A (zh) * | 2017-08-09 | 2017-12-15 | 广州云从信息科技有限公司 | 一种采用人脸识别的人口普查监控的方法 |
CN108961495A (zh) * | 2018-06-25 | 2018-12-07 | 北京蜂盒科技有限公司 | 一种基于人脸识别的数据更新方法及装置 |
CN109359620A (zh) * | 2018-10-31 | 2019-02-19 | 银河水滴科技(北京)有限公司 | 一种识别可疑对象的方法及装置 |
CN109800691A (zh) * | 2019-01-07 | 2019-05-24 | 深圳英飞拓科技股份有限公司 | 基于人脸识别技术的人口统计方法及系统 |
CN109858332A (zh) * | 2018-12-20 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种人员行为分析方法、装置和电子设备 |
-
2019
- 2019-08-14 CN CN201910746987.4A patent/CN111368619B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004005511A (ja) * | 2002-03-26 | 2004-01-08 | Toshiba Corp | 監視システム、監視方法および監視プログラム |
CN107480626A (zh) * | 2017-08-09 | 2017-12-15 | 广州云从信息科技有限公司 | 一种采用人脸识别的人口普查监控的方法 |
CN108961495A (zh) * | 2018-06-25 | 2018-12-07 | 北京蜂盒科技有限公司 | 一种基于人脸识别的数据更新方法及装置 |
CN109359620A (zh) * | 2018-10-31 | 2019-02-19 | 银河水滴科技(北京)有限公司 | 一种识别可疑对象的方法及装置 |
CN109858332A (zh) * | 2018-12-20 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种人员行为分析方法、装置和电子设备 |
CN109800691A (zh) * | 2019-01-07 | 2019-05-24 | 深圳英飞拓科技股份有限公司 | 基于人脸识别技术的人口统计方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988832A (zh) * | 2021-01-20 | 2021-06-18 | 青岛以萨数据技术有限公司 | 住宿人员行为检测方法、装置及存储介质 |
WO2022165685A1 (zh) * | 2021-02-03 | 2022-08-11 | 京东方科技集团股份有限公司 | 一种确定人员危险性的方法、装置、系统及存储介质 |
CN113269022A (zh) * | 2021-03-24 | 2021-08-17 | 七台河市公安局 | 一种用于预测隐性特定人员的系统及方法 |
CN113269022B (zh) * | 2021-03-24 | 2022-02-08 | 七台河市公安局 | 一种用于预测隐性特定人员的系统及方法 |
CN113378622A (zh) * | 2021-04-06 | 2021-09-10 | 青岛以萨数据技术有限公司 | 一种特定人员识别方法、设备、系统及介质 |
CN113283305A (zh) * | 2021-04-29 | 2021-08-20 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、电子设备及计算机可读存储介质 |
CN113283305B (zh) * | 2021-04-29 | 2024-03-26 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、电子设备及计算机可读存储介质 |
CN114699005A (zh) * | 2022-03-08 | 2022-07-05 | 向道全 | 一种具备防盗功能的智能纸巾机 |
Also Published As
Publication number | Publication date |
---|---|
CN111368619B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368619A (zh) | 可疑人员的检测方法、装置及设备 | |
CN109299135B (zh) | 基于识别模型的异常查询识别方法、识别设备及介质 | |
CN110738178A (zh) | 园区施工安全检测方法、装置、计算机设备及存储介质 | |
CN108446681B (zh) | 行人分析方法、装置、终端及存储介质 | |
CN111368622A (zh) | 人员识别方法及装置、存储介质 | |
CN111898581A (zh) | 动物检测方法、装置、电子设备及可读存储介质 | |
CN109547748B (zh) | 对象落脚点确定方法、装置及存储介质 | |
CN109559336B (zh) | 对象追踪方法、装置及存储介质 | |
CN111860152A (zh) | 人员状态检测的方法、系统、设备和计算机设备 | |
CN111652331A (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
CN111666915A (zh) | 监控方法、装置、设备以及存储介质 | |
CN111291596A (zh) | 一种基于人脸识别的预警方法及装置 | |
CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及系统 | |
CN111291912A (zh) | 一种使用人证核验的取号方法、取号机及取号系统 | |
CN110443187B (zh) | 特征信息的记录方法及装置 | |
CN112183161B (zh) | 人脸数据库的处理方法、装置及设备 | |
CN109491970B (zh) | 面向云存储的不良图片检测方法、装置及存储介质 | |
CN112689120A (zh) | 一种监控方法及装置 | |
CN114092809A (zh) | 对象识别方法、装置及电子设备 | |
CN114863364A (zh) | 一种基于智能视频监控的安防检测方法及系统 | |
CN112149451B (zh) | 一种亲密度分析方法及装置 | |
CN114373209A (zh) | 基于视频的人脸识别方法、装置、电子设备及存储介质 | |
CN107666573A (zh) | 摄像头场景下对象视频的录制方法及装置、计算设备 | |
CN114005060A (zh) | 图像数据的确定方法及装置 | |
CN113468948A (zh) | 基于视图数据的治安防控方法、模块、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |